基于卷积神经网络的超分辨率重建算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 图像超分辨率重建算法概述 | 第16-29页 |
| 2.1 超分辨率重建算法的理论基础 | 第16-17页 |
| 2.2 超分辨率重建算法的分类 | 第17-26页 |
| 2.2.1 基于插值的超分辨率重建算法 | 第17-20页 |
| 2.2.2 基于重建的超分辨率重建算法 | 第20-23页 |
| 2.2.3 基于学习的超分辨率重建算法 | 第23-26页 |
| 2.3 超分辨率重建算法的质量评价指标 | 第26-28页 |
| 2.3.1 主观评价指标 | 第26-27页 |
| 2.3.2 客观评价指标 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于递归残差网络的超分辨率重建算法 | 第29-46页 |
| 3.1 深度递归卷积网络的理论基础 | 第29-34页 |
| 3.1.1 深度递归卷积网络的基础模型 | 第29-32页 |
| 3.1.2 深度递归卷积网络模型的优化 | 第32-34页 |
| 3.2 深度残差网络模型的特性 | 第34-36页 |
| 3.2.1 残差学习 | 第34-35页 |
| 3.2.2 恒等映射 | 第35-36页 |
| 3.3 递归残差网络的结构设计与实现 | 第36-40页 |
| 3.3.1 改进的残差单元 | 第36-37页 |
| 3.3.2 递归块的结构设计 | 第37-38页 |
| 3.3.3 递归残差网络模型 | 第38-40页 |
| 3.4 实验结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于生成对抗网络的超分辨率重建算法 | 第46-62页 |
| 4.1 生成对抗网络的基本理论 | 第46-49页 |
| 4.1.1 生成对抗网络的网络结构 | 第46-48页 |
| 4.1.2 感知损失函数 | 第48-49页 |
| 4.2 基于密集网络的图像超分辨率重建算法 | 第49-51页 |
| 4.3 生成对抗网络的改进及超分辨重建的实现 | 第51-57页 |
| 4.3.1 密集残差块 | 第52-53页 |
| 4.3.2 相对判别网络及感知损失函数的改进 | 第53-55页 |
| 4.3.3 迁移学习 | 第55-57页 |
| 4.4 实验结果及分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术成果 | 第68-69页 |
| 致谢 | 第69页 |
